Detección de somnolencia en conductores durante la conducción diurna y nocturna utilizando un sistema embebido basado en la red neuronal convolucional (CNN) Resnext-50

Abstract

La detección de somnolencia durante la conducción diurna y nocturna actualmente es un tema muy importante debido a que el número de accidentes de tránsito ocasionados por cansancio o somnolencia ha tenido un aumento significativamente alto. La causa del aumento puede deberse al aumento del trabajo que puede tener los conductores o algún tipo de enfermedad que cause la disminución de la concentración durante la conducción. Este trabajo propone el modelo de Red Neurona Convolucional (CNN) ReNext-50 para la detección de estado de somnolencia en conductores durante la conducción diurna y nocturna. Este modelo se lo integrará en el sistema embebido Raspberry Pi 3 Modelo B+ el cual será instalado en vehículos. El trabajo consta de tres capítulos que abarca el tema de investigación, desarrollo del modelo y sistema embebido y la evaluación de los resultados obtenidos. En el primer capítulo se realiza una búsqueda literaria de artículos y trabajos relacionados en base a la problemática de la somnolencia, modelos utilizados para la detección de somnolencia. En el segundo capítulo se abarca la creación del Dataset propio, la creación del Dataset para el entrenamiento que incluye los datos de nuestro Dataset y de otros enfocados en este problema, la creación y entrenamiento del modelo ResNeXt-50 para las tareas de clasificación y regresión, y por último la creación e instalación del modelo en el sistema embebido. En el tercer capítulo se evalúan los modelos con 5 diferentes sets de pruebas, rostros sin accesorios faciales, con lentes, con gafas, durante el día y durante la noche. Se obtiene métricas de estas distintas evaluaciones y se los compara con trabajos de la literatura.